Gradium 推出端側 TTS 模型 phonon-31m-en：64.5 MB，瀏覽器本地就能跑
Gradium 團隊開源了輕量級英文語音合成模型 phonon-31m-en。基於 Pocket TTS 與 Mimi 編解碼技術，8 位量化權重僅 64.5 MB，支援邊生成邊播放的流式輸出，普通筆記本 CPU、手機乃至瀏覽器標籤頁內無需聯網即可執行，且遵循 Apache 2.0 協議開源並支援商用。
裝置端AI
檢視更新的新聞
ISTA-DASLab 開源 DeepSeek-V4.1 量化版：12GB 視訊記憶體跑 763B 大模型
ISTA-DASLab 開源 DeepSeek-V4.1-Flash-1017 的 GSQ-RCO 量化 GGUF 模型。團隊結合非均勻量化演算法將 763B MoE 模型最低壓縮至 1.75 bpw，搭配 Strata 引擎可在 12GB 顯示卡執行。最值得關注的是 2.00 bpw 版本效能完全追平原模型，大幅拉低超大模型本地部署門檻。
騰訊開源 WeVisOne-VL：單個輕量模型搞定檢測、計數與摳圖
騰訊微信視覺團隊開源視覺語言模型 WeVisOne-VL，推出 2B 與 4B 兩個輕量版本。它無需 SAM 等重型模型輔助，僅靠 9.6M 引數的解碼器就能統一目標檢測、OCR、計數與髮絲級透明通道摳圖，目標不存在時還會主動拒識。程式碼與權重已按 Apache 2.0 協議開放，支援本地執行。
騰訊開源世界模型 Hy-Nomas：單張 4090 能跑，文字和相機即時操控
騰訊開源互動式影片世界模型 Hy-Nomas，支援通過自然語言和相機運鏡即時控制虛擬場景。模型可輸出 720p、24 幀畫面，通過分段生成維持長時間一致性，蒸餾後的 9GB 版本單張 RTX 4090 即可執行，並以 Apache 2.0 協議開源全套程式碼與權重。
Underdog 開源 Bark 3.0：163MB 語音模型，5 分鐘音訊半秒轉完
本週，Underdog 在 Hugging Face 開源語音轉文字模型 Bark 3.0，體積僅 163 MB，在蘋果 M 系列晶片上轉寫 5 分鐘音訊僅需半秒。它的英文會議錯誤率明顯低於 Whisper Large，Clean 版本還能自動過濾掉口頭禪。不過目前僅支援英文。
Perplexity Computer 登陸 Mac 本地：無需上雲，36GB 記憶體可跑
Perplexity 推出 Mac 本地版 Computer，面向 Pro 等付費使用者。模型與任務規劃均在 Apple 晶片端側執行，能直接聯動備忘錄與郵件處理私密檔案，資料無需傳至雲端。本地執行可選 Qwen 3.6 或 PPLX Pro，推薦記憶體 36 GB 以上。
GaussiAnimate 開源：用雙層骨架搞定動物與衣物 3D 動畫
GaussiAnimate 開源了角色動畫製作程式碼。它將內部運動骨骼與靈活的外部表面結構結合，內部管運動、外部管形變，解決了傳統剛性骨架難以處理衣物和動物軟體彎曲的問題。最值得關注的是，複雜形變動畫製作被大幅簡化，支援在本地電腦部署執行。
螞蟻集團開源 Ming 3.0 TTS：用自然語言調音，支援多人播客與商用
螞蟻集團開源文本轉語音模型 Ming 3.0 TTS，支援自然語言調音、聲音克隆與多人播客生成。模型提供約 3GB 和 18GB 兩個版本，小版本可在消費級顯示卡本地執行，發音準確率居開放模型前列；全部採用 MIT 協議，允許商用。
HairDeck 開源：單張圖片生成帶骨骼 3D 髮型，轉頭就能自然擺動
HairDeck 開源了單圖生成風格化 3D 髮型的模型，輸入一張角色圖就能生成完整的 3D 發片，並自帶驅動動畫的彈簧骨骼鏈。生成發片僅需 1 秒左右，比同類方法快 33 倍且朝向更準，支援直接匯出 VRM 格式。模型大小僅 2.45GB，普通消費級顯示卡就能跑。
Rivian 要把 Claude 搬上車：自研智慧分流，絕不碰剎車轉向
本週，Rivian 宣佈計劃將 Anthropic 等第三方 AI 智慧體接入車機。系統通過自研架構在端側和雲端模型間動態分流，還能跨裝置同步對話記憶來協助日程與備菜。為保行車安全，官方強調智慧體絕不會被賦予剎車或轉向等底層控制權。
NVIDIA 釋出 Nemotron 3.5：120B 多模態吞吐快 5 倍，端側模型進 RTX
NVIDIA 釋出 Nemotron 3.5 系列開源模型。120B 引數的 Super VL 專為智慧體打造，多模態吞吐量達同類 5 倍；同時推出的 Bolt 74B-A9B 原生 2-bit 量化，可在 24GB 視訊記憶體裝置上本地執行。這意味著企業和個人能把複雜智慧體工作流搬到本地部署。
Black Forest Labs 釋出 FLUX 3 Klein：5.6B 引數跑進 8GB 視訊記憶體
Black Forest Labs 開源 5.6B 引數的影像生成模型 FLUX 3 Image Klein。它支援原生 4K 輸出、精準區域編輯和多圖參考，INT8 版本在 8GB 視訊記憶體顯示卡上就能直接執行，讓本地與端側部署的門檻大幅降低。
Meta 釋出 Muse Spark Open：816B 開源大模型，兩臺 Mac 就能跑
Meta 釋出開源多模態模型 Muse Spark Open，擁有 816B 總引數與 42B 啟用引數，支援 1M 上下文。最值得關注的是，藉助 MLX 框架，該模型可在兩臺 M5 Ultra Mac Studio 上完全離線執行，主打複雜程式設計與多步驟智慧體任務。
InfiniSplat v2 開源：多張照片一鍵重建 3D 場景，消費級顯示卡可跑
開源 3D 重建模型 InfiniSplat v2 釋出，能將多角度照片或上千幀駕駛影片直接轉成可自由探索的 3D 場景。模型將幾何結構與視覺表現預測解耦，並能自動抑制不一致的噪點。整個模型僅約 6.6GB 且已開放程式碼和權重，普通消費級 GPU 即可在本地部署執行。
DeepMind 聯手新加坡推端側 Gemma 防詐：本地研判話術，資料不上雲
Google DeepMind 宣佈與新加坡 GovTech 合作，微調端側 Gemma 模型用於即時檢測話術詐騙。該模型採用兩級流水線在手機本地研判多輪對話，識別誘導行為並彈出預警，聊天資料全程不上雲，旨在兼顧端到端隱私與反詐效率。
Flox 推出端側 AI 驅趕裝置：靠視覺識獸發聲，保護機場與列車
瑞典初創公司 Flox Intelligence 披露，其端側 AI 驅離裝置已在多國部署約 150 臺。裝置能在本地通過視覺模型識別動物物種併發出特定驅趕聲，避免衝撞火車和飛機。阿爾斯通已成其 OEM 合作伙伴。
Apple 釋出首款智慧屏 HomeView：搭載 Siri AI，認出臉才給看私信
Apple 釋出首款智慧帶屏裝置 HomeView，定價 299 美元。它配備 7 英寸方屏與 A18 晶片，內建 Siri AI，最大看點是靠人臉識別和 iPhone 聯動切換使用者畫像，只有本人靠近才展示私人資訊。即日起開啟預購，11 月 13 日正式發貨。
Apple 釋出第四代 Apple TV 4K：搭載 Siri AI 與 A19 晶片，支援免手持語音
Apple 釋出第四代 Apple TV 4K。新裝置搭載 A19 晶片與基於 Apple Intelligence 的 Siri AI，內建三陣列遠場麥克風支援免手持語音控制，並首次支援連線四臺 HomePod 組建環繞聲影院。此外，它還能通過 AI 生成智慧家居攝像頭的活動摘要。售價 299 美元。
Skywork 開源 Matrix Game 4.0：單卡 83 幀即時渲染可玩 3D 遊戲
Skywork 開源 3D 遊戲世界模型 Matrix Game 4.0。它讓傳統引擎處理物理與規則，再由 AI 即時細化畫面，單張消費級 GPU 下最高可跑出 83 幀，並內建智慧體用自然語言修改玩法。這解決了以往 AI 遊戲畫面容易漂移變形的問題，程式碼與權重均已開放。
Anthropic 預警 AI 自我複製：無需機房，電視盒子上就能跑
Anthropic 警告稱小型 AI 模型數月內或可在電視盒子等 IoT 裝置上自主自我複製。實驗中 15 臺單價 55 美元的電視盒子成功分散式執行 26B 模型，GLM-5.2 已能完成全流程複製。最值得關注的是，AI 蠕蟲未來可能完全脫離資料中心生存。